1.一种基于改进量子粒子群算法的配电网多目标无功优化方法，其特征在于，包括以下步骤：S1、通过改进量子粒子群算法的收缩‑扩张因子 ，增强算法的寻优能力；采用的公式如下：；

其中， 为第k个粒子的第t次迭代后的位置、 为第k个粒子的第t+1次迭代后的位置； 为第k个粒子第t次迭代时所有粒子的最优位置；g(t)是所有粒子截至第t次迭代时最优位置； 为第i个粒子截至第t次迭代时的最优位置；a为0 1之间服从均匀分~布的随机数；u为0 1之间服从均匀分布的随机数；mbest为平均最好位置； 为第k个粒子的~收缩‑扩张因子； 为最大迭代次数； 为 的最大值； 为 的最小值；M为粒子总数；对于第k个粒子，首先随机生成一个服从0 1之间均匀分布的数值 ， ；

~

改进的收缩‑扩张因子 如下：

；

其中， 为第k个粒子的收缩‑扩张因子； 为改进后的收缩‑扩张因子；当第k个粒子迭代过程中满足时 ， 前乘上扩张因子  ， ，以此增强粒子全局搜索能力；反之，当第k个粒子迭代过程中满足时 ， 前乘上收缩因子 ， ，以此增强粒子局部搜索能力；

S2、设置配电网、无功补偿设备、分布式电源和储能系统的运行约束条件；

S3、构建含有分布式电源和储能系统接入的配电网的节点电压偏移计算模型和有功功率损耗计算模型；

所述的有功功率损耗计算模型如下：

；

其中， 为配电网有功功率损耗；n为配电网节点数； 为第i个节点和第j个节点之间的支路电导； 为第i个节点的电压； 为第j个节点的电压； 是第i个节点和第j个节点之间的电压相角差；

所述的节点电压偏移计算模型如下：

；

其中， 为第i个节点的额定电压； 为第i个节点的电压；为一个常数；exp{}为指数运算； 为进行指数运算后的配电网节点电压偏移量；n为配电网节点数；

S4、构建目标函数，包含以下三部分：以有功功率损耗最小为第一目标函数，此函数使用了动态S型函数；以电压偏移量最小的第二目标函数，此函数使用了指数型函数；以运行成本最低为目标的第三目标函数；

以有功功率损耗最小为第一目标函数，此函数使用了动态S型函数：；

其中， 为配电网有功功率损耗； 为所有节点无功功率都能就地补偿，不需要线路传输无功功率时的配电网有功功率损耗； 为所有节点无功功率都由上级电网提供时配电网的有功功率损耗； 为第一目标函数；

以电压偏移量最小的第二目标函数；此函数使用了指数型函数，在电压额定值附近时，目标函数值上升缓，有容错空间，但是超过特定的范围，目标函数值将快速上升，保证寻优过程中电压在安全范围内波动：；

其中， 为第二目标函数； 为进行指数运算后的配电网节点电压偏移量；以运行成本最低为目标的第三目标函数：；

中， 为第三目标函数；n为配电网节点数；cost为优化后配电网运行成本；cost_init为优化前配电网运行成本；c为电网电价； 为配电网有功功率损耗； 为优化前配电网有功功率损耗； 为配电网第i个节点优化后根据负荷功率因数计算出的电价惩罚系数；

为配电网第i个节点优化前根据负荷功率因数计算出的电价惩罚系数；惩罚系数计算如下：；

其中，为根据负荷功率因数计算出的电价惩罚系数；为负荷的功率因数；

配电网多目标无功优化的目标函数构建如下：

；

其中，T为一天24个小时；F为配电网多目标无功优化目标函数； 为T时刻第一目标函数的函数值； 为T时刻第二目标函数的函数值； 为T时刻第三目标函数的函数值；

S5、使用步骤S1中提出的改进量子粒子群算法求解步骤S4中构建的目标函数的最优值，并且获得配电网各个设备的无功功率出力安排。

2.根据权利要求1所述的一种基于改进量子粒子群算法的配电网多目标无功优化方法，其特征在于，所述步骤S2具体为：首先，配电网有功功率和无功功率因满足如下等式约束：；

其中，n为配电网节点数； 为上级电网传送的有功功率； 为上级电网传送的无功功率； 为第i个节点的有功功率负荷； 为第i个节点的需求无功功率负荷； 为第i个节点的电压； 为第j个节点的电压； 为第i个节点和第j个节点之间的支路电导； 是第i个节点和第j个节点之间的支路电感； 是第i个节点和第j个节点之间的电压相角差； 为第i个节点分布式电源输出的有功功率； 为第i个节点分布式能源输出的无功功率；

为第i个节点储能系统输出的有功功率； 为第i个节点无功补偿设备输出的无功功率；

配电网各个节点的电压和支路电流因满足约束条件如下：；

其中， 为第i个节点的额定电压； 为第i个节点的电压；Ij为第j条支路的实际电流; Ij为第j条支路通过的电流；Ijmax为第j条支路的允许通过电流的最大值；

对于储能系统，有如下约束：

；

其中， 为储能系统充电最大功率； 为储能系统放电最大功率； 为储能系统实际功率； 为储能系统充电效率； 为储能系统放电效率； 为储能系统充电时配电网向储能系统输送的功率； 为储能系统放电时储能系统向配电网输送的功率；k为储能系统充电放电状态标志，当储能系统充电时 ，当储能系统放电时 ；

所述分布式电源包含光伏发电系统和双馈异步风力发电机；光伏发电系统的功率因数恒定；光伏发电系统和双馈异步风力发电机输出的无功功率如下：；

其中， 为光伏发电系统输出的无功功率； 分别为光伏发电系统输出的有功功率； 为光伏发电系统的功率因数；tan()为正切三角函数运算；arccos()为反余弦三角函数运算； 为双馈异步风力发电机的功率因数； 为双馈异步风力发电机无功功率； 为双馈异步风力发电机最大无功功率； 为双馈异步风力发电机最大有功功率；

对于静止无功补偿器，有如下约束：

；

其中， 为静止无功补偿器输出无功功率的最小值； 分别为静止无功补偿器输出无功功率的最大值； 为静止无功补偿器实际输出的无功功率；

对于并联电容器组，有如下约束：

；

其中， 为多个并联电容器组输出的无功功率总合； 为一个并联电容器组输出的无功功率；l表示实际并联电容器组的数量； 表示最大并联电容器组的数量。

3.根据权利要求根据权利要求1所述的一种基于改进量子粒子群算法的配电网多目标无功优化方法，其特征在于，所述步骤S5具体为：使用步骤S1中提出的改进量子粒子群算法求解步骤S4中构建的目标函数的最优值，并且获得配电网无功各个设备出力安排；改进量子粒子群算法求解的变量为T时刻光伏逆变器的无功功率 、T时刻双馈异步风力发电机输出的无功功率 、T时刻静止无功补偿器无功功率 、T时刻多个并联电容器组输出的无功功率总合 ；通过求解 、 、和 获得使目标函数最优的光伏逆变器、双馈异步风力发电机、静止无功补偿器和多个并联电容器组的无功功率输出安排。

4.一种计算机存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1‑3中任一项所述的一种基于改进量子粒子群算法的配电网多目标无功优化方法。

5.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1‑3中任一项所述的一种基于改进量子粒子群算法的配电网多目标无功优化方法。